Die Präsentation wird geladen. Bitte warten

Die Präsentation wird geladen. Bitte warten

Prof. Dr. T. Kudraß1 Hash-Verfahren. Prof. Dr. T. Kudraß2 Einführung Drei Alternativen, wie Dateneinträge k* im Index aussehen können: 1. Datensatz mit.

Ähnliche Präsentationen


Präsentation zum Thema: "Prof. Dr. T. Kudraß1 Hash-Verfahren. Prof. Dr. T. Kudraß2 Einführung Drei Alternativen, wie Dateneinträge k* im Index aussehen können: 1. Datensatz mit."—  Präsentation transkript:

1 Prof. Dr. T. Kudraß1 Hash-Verfahren

2 Prof. Dr. T. Kudraß2 Einführung Drei Alternativen, wie Dateneinträge k* im Index aussehen können: 1. Datensatz mit Schlüsselwert k Auswahl einer Alternative ist orthogonal zur Indexierungstechnik, die genutzt wird, um Dateneinträge mit einem gegebenen Schlüsselwert k zu plazieren. Hash-basierte Verfahren am besten geeignet für Lookup- Operationen (Suche nach Daten mit einem bestimmten Wert), ungeeignet für Bereichssuche (Range Query) Statische und dynamische Hashing-Techniken: Trade-Offs analog zur Bewertung ISAM vs. B+ Bäume

3 Prof. Dr. T. Kudraß3 Statisches Hashing # Primärseiten fest, sequentiell allokiert, niemals de-allokiert; Überlaufseiten wenn benötigt h(k) mod M = Bucket, zu dem der Dateneintrag mit dem dem Schlüsselwert k gehört. (M = # Buckets) h(key) mod N h key Primäre Bucketseiten Überlaufseiten 1 0 N-1

4 Prof. Dr. T. Kudraß4 Statisches Hashing (Forts.) Buckets enthalten Dateneinträge und entsprechen einer Seite Hashfunktion auf dem Suchschlüssel-Attribut des Datensatzes r. Muß eine Verteilung der Werte in einem Bereich 0... M-1 gewährleisten (auch Streuen genannt) – h(key) = (a * key + b) funktioniert gut – Hash-Funktion nach dem Divisionsrestverfahren mit linearem Sondieren (Berechnung von Ersatzadressen) – a und b sind Konstanten; viel Kenntnis über Tuning von h vorhanden Lange Überlaufketten können entstehen und die Performance beeinträchtigen – Extendible und Linear Hashing: Dynamische Techniken, um dieses Problem zu lösen

5 Prof. Dr. T. Kudraß5 Extendible Hashing Extendible = Erweiterbares Hashing Situation: Bucket (Primärseite) voll! Reorganisation der Datei durch Verdopplung der Anzahl Buckets nicht sinnvoll! – Lesen und Schreiben von Seiten ist teuer! – Idee: Nutze ein Verzeichnis von Pointern auf Buckets (Index), verdopple die Anzahl Buckets durch Verdopplung des Indexes, Aufsplitten des Buckets, das übergelaufen ist – Index viel kleiner als Datei, somit Verdopplung viel billiger. Nur eine Seite mit Dateneinträgen wird gesplittet. Keine Überlaufseiten! – Hash-Funktion richtig einstellen!

6 Prof. Dr. T. Kudraß6 Beispiel Index ist Array der Größe 4 Globale Tiefe 2 heißt: Um ein Bucket für r zu finden, nehme die letzten 2 Bits von h(r); wir bezeichnen r durch seine Hash-Funktion h(r). – Wenn h(r) = 5 = binär 101, Satz gehört in Bucket, auf den 01 verweist. 13* LOCALE TIEFE GLOBALE TIEFE INDEX Bucket A Bucket B Bucket C Bucket D DATENSEITEN 10* 1*21* 4*12*32* 16* 15*7*19* 5* Insert: Wenn Bucket voll, splitte ihn (allokieren neue Seite - Umverteilung der Einträge) Wenn notwendig, verdopple den Index (Splitten eines Bucket erfordert nicht immer Verdopplung des Indexes; hängt ab von der lokalen Tiefe des aufzusplittenden Bucket im Vergleich zur globalen Tiefe)

7 Prof. Dr. T. Kudraß7 Einfügen eines neuen Eintrags h(r)=20 20* LOKALE TIEFE 2 2 INDEX GLOBALE TIEFE Bucket A Bucket B Bucket C Bucket D Bucket A2 (Abspaltung von Bucket A) 1* 5*21*13* 32* 16* 10* 15*7*19* 4*12* 19* INDEX Bucket A Bucket B Bucket C Bucket D Bucket A2 32* 1*5*21*13* 16* 10* 15* 7* 4* 20* 12* LOKALE TIEFE GLOBALE TIEFE Directory verdoppeln! (Abspaltung von Bucket A)

8 Prof. Dr. T. Kudraß8 Bemerkungen 20 = binär Die letzten 2 Bits (00) verraten: r gehört in A oder A2. Die letzten 3 Bits werden benötigt, um zu entscheiden wohin genau – Globale Tiefe des Directory: Maximale Anzahl Bits, die benötigt wird, um zu entscheiden, in welchen Bucket ein Eintrag gehört. – Lokale Tiefe eines Bucket: Anzahl von Bits, die benötigt wird, um zu entscheiden, ob ein Eintrag in diesen Bucket gehört. Wann verursacht das Aufsplitten eines Bucket eine Verdopplung des Indexes? – Vor dem Einfügen gilt: lokale Tiefe des Bucket = globale Tiefe. Ein Insert erhöht die lokale Tiefe so daß: lokale Tiefe > globale Tiefe. – Index wird verdoppelt durch Kopieren und Fixieren eines Pointers zum neuen, abgespalteten Bucket (Split Image Page). Verwendung der hinteren Bits (least significant) gestattet eine effiziente Verdopplung des Indexes durch Kopieren!

9 Prof. Dr. T. Kudraß9 Kommentare zum Erweiterbaren Hashing Wenn der Index in den Speicher paßt, werden Lookup-Operationen mit einem Plattenzugriff ausgeführt; ansonsten zwei. – Beispiel 100 MB File: 100 Bytes/Satz, 4K Seite, somit 40 Einträge pro Seite bzw. Bucket enthält 1,000,000 Sätze (als Dateneinträge) 25,000 Indexeinträge hohe Wahrscheinlichkeit, daß Index in den Speicher paßt – Index kann sehr stark wachsen, wenn die Streuung der Hashwerte ungleichmäßig ist Kollision: Überlaufseiten anlegen, wenn keine Einträge mehr in Bucket passen! Delete: – Wenn das Löschen eines Dateneintrages den Bucket vollständig leert, kann dieser mit seinem abgesplitteten Teil (Split Image) wieder zusammengefaßt werden. – Wenn jeder Index-Eintrag zum gleichem Bucket wie auf dessen Abspaltung verweist, kann der Index entsprechend halbiert werden.

10 Prof. Dr. T. Kudraß10 Lineares Hashing * Weiteres dynamisches Hash-Verfahren = Alternative zum Erweiterbaren Hashing. LH behandelt das Problem langer Überlaufketten ohne Verwendung eines Index Idee: Verwende eine Folge von Hash-Funktionen h 0, h 1, h 2,... – h i+1 verdoppelt den Wertebereich von h i (ähnlich wie Verdopplung des Index) Index wird vermieden in LH durch Verwendung von Überlauf- seiten und Auswahl des aufzusplittenden Buckets nach Round- Robin-Methode – Überlaufseiten im allgemeinen nicht sehr lang – Einfache Behandlung von Duplikaten – Speicherplatzauslastung evtl. schlechter als beim erweiterbaren Hashing, weil Splits nicht auf dichten Datenbereichen konzentriert sind.

11 Prof. Dr. T. Kudraß11 Zusammenfassung Hash-basierte Indexe: –am besten für Lookup-Operationen –keine Unterstützung für Bereichssuchen Statisches Hashing kann zu langen Überlaufketten führen Erweiterbares Hashing vermeidet Überlaufseiten durch Splitten voller Buckets, wenn neue Einträge hinzugefügt werden (Duplikate könnten Überlaufseiten erfordern) Index zur Verwaltung der Buckets, verdoppelt sich periodisch -Durch unbegrenztes Wachstum des Index-Array paßt es irgendwann nicht mehr in den Hauptspeicher und erhöht I/O-Kosten


Herunterladen ppt "Prof. Dr. T. Kudraß1 Hash-Verfahren. Prof. Dr. T. Kudraß2 Einführung Drei Alternativen, wie Dateneinträge k* im Index aussehen können: 1. Datensatz mit."

Ähnliche Präsentationen


Google-Anzeigen